TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
Shyam Sankar: İnsan-bilgisayar işbirliğinin yükselişi
Filmed:
Readability: 6.3
947,418 views
Kaba işlemci kuvveti tek başına dünyanın sorunlarını çözemez. Veri madenciliği yenilikçisi Shyam Sankar neden büyük problemleri (teröristleri yakalamak veya büyük gizli eğilimleri belirlemek gibi) çözmenin doğru algoritmayı bulma meselesi değil de bilgisayar hesabı ile insan yaratıcılığının doğru ortak yaşam ilişkisini kurması meselesi olduğunu açıklıyor.
Shyam Sankar - Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
Double-click the English transcript below to play the video.
00:16
I'd like to tell you about two games of chess.
0
512
2556
Size iki satranç karşılaşmasından bahsetmek istiyorum.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
1997'de olan ilk karşılaşmayı Garry Kasparov
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
Deep Blue isimli makineye karşı kaybetti.
00:26
To many, this was the dawn of a new era,
3
10648
2240
Çoğu için bu, insanın makineler tarafından
00:28
one where man would be dominated by machine.
4
12888
2779
hükmedileceği yeni bir çağın şafağıydı.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
Ama şimdi burdayız, 20 yıl geçti ve bilgisayarlarla en
00:34
in how we relate to computers is the iPad,
6
19001
2690
büyük münasebetimiz Ipad yoluyla.
00:37
not HAL.
7
21691
2045
HAL değil.
(HAL: Space Odyssey filmindeki akıllı bilgisayar)
(HAL: Space Odyssey filmindeki akıllı bilgisayar)
00:39
The second game was a freestyle chess tournament
8
23736
2648
İkinci karşılaşma 2005'te seçtikleri takdirde
00:42
in 2005, in which man and machine could enter together
9
26384
2969
insan ve makinenin rakip yerine ortak olarak
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
beraber girebileceği serbest stil bir satranç turnuvasıydı.
00:49
At first, the results were predictable.
11
34019
1851
Başta, sonuçlar öngörülebilirdi.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
Bir superbilgisayar bile görece daha zayıf bir bilgisayara sahip
00:54
with a relatively weak laptop.
13
38367
2312
bir satranç şampiyonu tarafından yenilebilirdi.
00:56
The surprise came at the end. Who won?
14
40679
2985
Sonuç süpriz oldu. Kim kazandı?
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
Süper bilgisayarlı bir şampiyon değil,
01:02
but actually two American amateurs
16
46440
1493
üç adet görece zayıf bilgisayar kullanan
01:03
using three relatively weak laptops.
17
47933
3822
iki Amerikalı amatör.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
Onların bilgisayarlarını idare etmedeki, yönlendirmedeki
01:10
to deeply explore specific positions
19
54351
2435
belirli pozisyonları tetkik etmedeki yetenekleri
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
şampiyonların üstün satranç bilgisinin ve
01:15
of the grandmasters and the superior computational power
21
59176
2609
diğer rakiplerin üstün sayısal gücünün
01:17
of other adversaries.
22
61785
1909
etkisini verimli bir şekilde yok etti.
01:19
This is an astonishing result: average men,
23
63694
2905
Bu hayret verici bir sonuçtu: Ortalama insan
01:22
average machines beating the best man, the best machine.
24
66599
4081
ortalama makineler, en iyi insan ve en iyi makineleri yeniyordu.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
Her neyse, bunun 'insan bilgisayara karşı' olması gerekmiyor muydu?
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
Onun yerine, işbirliği oldu. Doğru tür bir işbirliği.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
Son 50 yılda Marvin Minsky'nin yapay zeka ile
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
ilgili vizyonuna çok ilgi gösterir olduk.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
Bu kesinlikle çekici bir vizyon. Çoğu insan bu vizyonu kabul etti.
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
Bilgisayar bilimlerinde hakim bir düşünce tarzı haline geldi
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
Ama büyük veriler, network sistemleri, açık platformlar
01:48
of open platforms, and embedded technology,
32
92217
2698
ve birbirine ilişik teknolojiler çağına girerken
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
artık yaklaşık aynı zamanlarda geliştirilmiş
01:54
that was actually developed around the same time.
34
98307
3070
alternatif bir vizyonu değerlendirmenin zamanıdır derim.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
Bahsettiğim şey J.C.R. Licklider'ın insan-bilgisayar ortak yaşamı
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
belki daha iyi bir isimle "Zeka Takviyesi" I.A.
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
Licklider teknolojinin ve internetin gelişmesinde
02:07
effect on the development of technology and the Internet.
38
111157
3006
derin bir etkisi olan bir bilgisayar bilimi deviydi.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
Onun vizyonu, bilgisayar ve insana, kararlar vermek ve
02:12
in making decisions, controlling complex situations
40
117031
3590
karmaşık durumları kontrol etmek için önceden belirli programlara
02:16
without the inflexible dependence
41
120621
1770
katı bir bağımlılık olmadan,
02:18
on predetermined programs.
42
122391
2533
işbirliği yapma imkanı vermekti.
02:20
Note that word "cooperate."
43
124924
2498
İşbirliği kelimesini dikkat edin.
02:23
Licklider encourages us not to take a toaster
44
127422
2747
Licklider bizi bir tost makinesi alıp da Star Trek'teki Data
02:26
and make it Data from "Star Trek,"
45
130169
2284
haline getirelim diye teşvik etmiyor
02:28
but to take a human and make her more capable.
46
132453
3535
ama insanı alıp daha yetkin hale getirmeyi teşvik ediyor.
02:31
Humans are so amazing -- how we think,
47
135988
1911
İnsanlar çok ilginç -- nasıl düşündüğümüz,
02:33
our non-linear approaches, our creativity,
48
137899
2618
doğrusal olmayan yaklaşımlarımız, yaratıcılığımız
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
tekrarlayan hipotezler. Hepsi de bilgisayarlar için
02:38
for computers to do.
50
142648
1345
yapabilselerdi bile, çok zor olurdu.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
Licklider bunu, insanları hedefler koyarken
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
hipotezler hazırlarken, kriterler belirler ve değerlendirmeler yaparken izleyip
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
sezgisel bir şekilde fark etti
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
Tabii ki başka yönlerden de insanlar çok sınırlı.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
Ölçeklendirmede, hesaplamada ve hacimde berbatız.
02:53
We require high-end talent management
56
157158
1836
Rock grubunu bir arada ve çalar vaziyette tutmak için
02:54
to keep the rock band together and playing.
57
158994
2064
üst düzey bir yetenek yönetimine gereksinim duyuyoruz.
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
Licklider, anlayış ve karar verme yolunu hazırlayacak
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
tüm rutin işlerin bilgisayarlar tarafından yapıldığını öngördü.
03:02
Silently, without much fanfare,
60
166538
2224
Sessizce, çok tantana olmadan
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
bu yaklaşım, satranç alanında zaferler biriktirdi.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
Satrançla aynı inanılmaz yayılmayı paylaşan protein katlaması konusu--
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
evrendeki atomların sayısından daha fazla protein katlama yolu var.
03:14
This is a world-changing problem with huge implications
64
178514
2353
Hastalıkları anlayıp tedavi etme yetimiz üzerinde devasa etkileri olacak
03:16
for our ability to understand and treat disease.
65
180867
2308
dünyayı değiştirecek bir problem bu.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
Ve bu görev için, süper bilgisayar alanının kaba kuvveti yeterli değil.
03:23
Foldit, a game created by computer scientists,
67
187423
2384
Bilgisayar bilimcileri tarafından yaratılan Foldit adlı oyun
03:25
illustrates the value of the approach.
68
189807
2502
bu yaklaşımın değerini örnekliyor.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
Teknik veya biyolog olmayan amatörler bir bilgisayar oyunu oynayarak
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
bir proteinin yapısını görsel olarak yeniden düzenleyip
03:34
allowing the computer to manage the atomic forces
71
198423
1499
bilgisayarın atom kuvvetlerini ve ilişkilerini yönetmesini sağlayıp
03:35
and interactions and identify structural issues.
72
199922
2957
yapısal sorunları tanımlıyorlar.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
Bu yaklaşım süper bilgisayaları %50 oranda yenerken
03:41
and tied 30 percent of the time.
74
205902
2584
%30 oranda da berabere kaldı
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
Foldit, Mason-Pfizer maymun virüsünün yapısal şifresini çözmek suretiyle
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
kayda değer ve önemli bir bilimsel keşif yaptı.
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
Ne olduğununu saptanmasından 10 yıldan uzun süredir yakayı sıyıran Proteaz enzimi
03:53
was solved was by three players in a matter of days,
78
217798
2626
sadece günler içinde, üç oyuncu tarafından çözüldü.
03:56
perhaps the first major scientific advance
79
220424
2025
Belki de bir bilgisayar oyununundan kaynaklanan
03:58
to come from playing a video game.
80
222449
2323
ilk büyük bilimsel gelişmeydi bu.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
Geçen sene, İkiz Kuleler'in olduğu yerde
04:02
the 9/11 memorial opened.
82
226953
1473
bir 9/11 anıtı açıldı.
04:04
It displays the names of the thousands of victims
83
228426
2721
Binlerce kurbanın ismini 'anlamlı bitişiklik' dedikleri
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
güzel bir konsept ile sergilediler.
04:10
It places the names next to each other based on their
85
234210
2166
İsimleri yanyana ilişkilerine göre dizdiler.
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
Arkadaş, aile, iş arkadaşı
04:14
When you put it all together, it's quite a computational
87
238589
3028
Hepsini bir araya getirdiğinizde, bu sağlam bir sayısal
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
mücadele: 3500 kurban, 1800 bitişiklik talebi
04:21
the importance of the overall physical specifications
89
245840
3092
boydan boya fiziksel özellikler ve
04:24
and the final aesthetics.
90
248932
2137
nihai olarak estetiğin önemi.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
Medya tarafından ilk haber yapıldığında bu başarının tüm itibarı
04:29
was given to an algorithm from the New York City
92
253684
1892
New York City'den bir dizayn şirketi olan Local Projects'in
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
br algoritmasına verilmişti. Gerçek ise biraz daha farklıydı.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
Altta yatan taslağı geliştirmek için algoritma kullanılırken,
04:38
humans used that framework to design the final result.
95
262448
3008
insanlar da taslağı nihai sonucu almak için kullandı.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
Yani bu senaryoda, bilgisayar, milyonlarca olası şablonu
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
değerlendirip komplike bir ilişki sistemini yönetti
04:46
and kept track of a very large set of measurements
98
271016
2414
ve çok geniş bir ölçeklendirmenin ve değişkenlerin
04:49
and variables, allowing the humans to focus
99
273430
2410
hesabını tutarak, insanların dizayn ve düzensel seçenekler üzerinde
04:51
on design and compositional choices.
100
275840
2802
yoğunlaşmasına olanak verdi.
04:54
So the more you look around you,
101
278642
1036
Etrafınıza daha çok baktıkça
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
Licklider'ın vizyonuna daha çok rastlıyorsunuz.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
İster iphone'unuzdaki ister arabanızın GPS'indeki geliştirilmiş gerçeklik olsun
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
insan-bilgisayar ortak yaşamı bizi daha yetkin kılıyor.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
Eğer insan-bilgisayar ortak yaşamını ilerletmek istiyorsanız
05:05
what can you do?
106
289569
1429
ne yapabilirsiniz?
05:06
You can start by designing the human into the process.
107
290998
2452
İnsanı sürecin içinde tasarlamakla başlayabilirsiniz.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
Sorunu çözmek için bilgisayar ne yapar diye düşünmek yerine
05:11
design the solution around what the human will do as well.
109
295654
3869
insanın da yapacaklarının ekseninde çözümü kurun.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
Bunu yaptığınız zaman, hemen fark edeceksiniz ki
05:17
all of your time on the interface between man and machine,
111
301460
2879
tüm zamanınızı, insanla makine arasındaki arayüz üzerinde
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
özellikle de etkileşimdeki sürtüşmeyi kaldırmak için harcamışsınız.
05:23
In fact, this friction is more important than the power
113
307438
2766
Aslında toplam kapasiteyi belirlerken
05:26
of the man or the power of the machine
114
310204
2052
bu sürtüşme insanın gücünden ya da
05:28
in determining overall capability.
115
312256
1931
makinenin gücünden daha önemlidir.
05:30
That's why two amateurs with a few laptops
116
314187
1977
İşte bu yüzden, birkaç bilgisayarlı iki amatör
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
bir süperbilgisayar ve şampiyonu kolayca yendi.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
Kasparov'un süreç dediği şey sürtüşmenin bir yan ürünü.
05:37
The better the process, the less the friction.
119
321625
2401
Süreç daha iyi oldukça, sürtüşme de azalıyor.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
Ve sürtüşmeyi minimize etmek belirleyici etken haline geliyor.
05:44
Or take another example: big data.
121
328282
2243
Başka bir örneğe bakalım: büyük veri
05:46
Every interaction we have in the world is recorded
122
330525
1906
Dünyadaki tüm etkileşimlerlimiz sürekli artan bir
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
sensör dizilimi ile kayıt ediliyor: telefonunuz
05:51
your credit card, your computer. The result is big data,
124
335490
2373
kredi kartınız, bilgisayarınız. Sonuç devasa bir veri
05:53
and it actually presents us with an opportunity
125
337863
1742
ve bize insanlık halini daha derinden
05:55
to more deeply understand the human condition.
126
339605
2662
anlamamız için bir fırsat tanıyor.
05:58
The major emphasis of most approaches to big data
127
342267
2305
Bu büyük dataya olan çoğu yaklaşımın ana vurgusu şunlara odaklanıyor.
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
"Bu veriyi nasıl depolarım? Bu data içinde nasıl arama yaparım?
06:02
this data? How do I process this data?"
129
346787
2276
Bu datayı nasıl işlerim?"
06:04
These are necessary but insufficient questions.
130
349063
2204
Bunlar gerekli ama yetersiz sorular.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
Zorunluluk nasıl hesaplanacağını bulmak değil neyi hesaplayacağını
06:09
but what to compute. How do you impose human intuition
132
353738
2184
bulmak. İnsan sezgisini bu ölçüde bir veriye
06:11
on data at this scale?
133
355922
1791
nasıl yüklersin?
06:13
Again, we start by designing the human into the process.
134
357713
3499
Yine, insanı sürecin içinde tasarlamakla başlıyoruz.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
PayPal ilk işe başladığında, en büyük mücadelesi
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
"Parayı çevrimiçi nasıl sağa sola yollarım?" değildi
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
"Organize suç örgütleri tarafından dolandırılmadan bunu nasıl yaparım"dı.
06:26
Why so challenging? Because while computers can learn
138
370700
2088
Neden bu kadar zor? Çünkü bilgisayarlar dolandırıcılık kalıplarını
06:28
to detect and identify fraud based on patterns,
139
372788
3144
tespit edip belirleyebiliyorlar ancak daha önce
06:31
they can't learn to do that based on patterns
140
375932
1479
görmedikleri kalıplarda bunu yapmayı
06:33
they've never seen before, and organized crime
141
377411
2116
öğrenemiyorlar ve organize suç örgütlerinin
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
seyircileri ile çok ortak yönü var: zeki insanlar,
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
acımasız bir beceri, girişimci bir ruh
06:41
and one huge and important difference: purpose.
144
385876
2712
ve çok büyük ve önemli bir farkı var: amaç
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
Bu yüzden bilgisayarlar her ne kadar tek başlarına en zeki dolandırıcılar dışındakileri
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
yakalayabilseler de, en zeki olanları yakalamak başarı
06:49
between success and failure.
147
393673
2545
ile fiyasko arasındaki farkı oluşturuyor.
06:52
There's a whole class of problems like this, ones with
148
396218
2221
Bu türde uyumsal rakipleri olan çok problem vardır.
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
Çok nadir olarak, o da olursa, bilgisayarlar için
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
ayırt edilebilir tekrar eden bir kalıp gösterirler.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
Aksine, doğasında bir yenilenme ve bozulma vardır ve
07:03
and increasingly these problems are buried in big data.
152
407743
2735
bu problemler de artarak büyük verinin içinde gömülüp gitmektedir.
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
Mesela, terörizm. Teröristerler yeni koşullara küçük ve büyük
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
yollarla adapte olmaktadırlar ve televizyonda
07:10
what you might see on TV, these adaptations,
155
415030
3094
gördüklerinizin aksine, bu adaptasyonlar
07:14
and the detection of them, are fundamentally human.
156
418124
2293
ve bunların belirlenmesi easen insanidir.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
Bilgisayarlar alışılmamış kalıpları ve yeni davranışları tespit edemezler
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
ama insanlar eder. İnsanlar bunu teknolojiyi kullanarak, hipotezleri test ederek
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
bir içgörü arayarak, makinelerden kendileri için çalışmasını isteyerek yapıyorlar.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
Osama Bin Ladin yapay zeka ile yakalanmadı.
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
Değişik teknolojilerle ortaklaşa çalışan kendini adamış,
07:32
in partnerships with various technologies.
162
436262
4269
becerikli, zeki insanlar tarafından yakalandı.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
Kulağa ne kadar cezbedici gelse de cevabı bulmak için
07:39
data mine your way to the answer.
164
443349
1601
algoritmik data madenciliği ile yolunuzu yapamazsınız.
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
"Teröristi Bul" diye bir düğme yoktur ve bambaşka sistemlerden
07:43
we integrate from a vast variety of sources
166
447805
2302
gelen çok çeşitli veri formatları karşısında
07:46
across a wide variety of data formats from very
167
450107
2133
yine çok çeşitli kaynakları birleştirdiğimizde
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
veri madenciliği de daha az verimli oluyor.
07:51
Instead, people will have to look at data
169
455549
2024
Onun yerine insanlar veriye bakacak ve içgörü arayacak,
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
ve Licklider'ın çok önceden öngördüğü gibi
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
burda muazzam sonuçlar için anahtar doğru tür bir işbirliği
07:59
and as Kasparov realized,
172
463714
1524
ve Kasparov'un fark ettiği gibi
08:01
that means minimizing friction at the interface.
173
465238
3031
bu arayüzdeki sürtüşmeyi minimize etmek demek.
08:04
Now this approach makes possible things like combing
174
468269
2758
Bu yaklaşım değişik kaynaklardan gelen
08:06
through all available data from very different sources,
175
471027
3386
tüm mevcut veriyi taramayı, önemli ilişkileri tanımlamayı
08:10
identifying key relationships and putting them in one place,
176
474413
2792
onları bir yerde toplamayı mümkün hale getirir ki bu
08:13
something that's been nearly impossible to do before.
177
477205
2928
daha önce yapılması imkansıza yakın olan bir şeydi.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
Bazılarına göre, bunun korkutucu bir gizlilik ve insan hakları
08:17
implications. To others it foretells of an era of greater
179
482075
3410
imaları var. Diğerlerine göre ise gizlilik ve insan haklarının
08:21
privacy and civil liberties protections,
180
485485
1909
temel ilke kabul edileceği daha büyük bir
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
gizllik ve insan hakları çağınının habercisi.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
Bu kabul edilmeli ve en iyi niyetle bile olsa
08:28
even with the best of intents.
183
492523
2530
bir yana atılmamalı
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
O zaman yakın dönemde insan-bilgisayar ortak yaşamını
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
yönetmek için geliştirilmiş teknolojilerin etkileri üzerine
08:35
have had in recent time.
186
499977
2919
bir kaç örneğe bakalım.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
Ekim 2007'de A.B.D. ve koalisyon kuvvetleri Irak'ın
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
Suriye sınırında, Sinjar şehrinde bir El Kaide hücre
08:44
on the Syrian border of Iraq.
189
508728
1934
evine baskın yaptı.
08:46
They found a treasure trove of documents:
190
510662
2376
Burada bir belge hazinesi buldular:
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
700 yabancı mücahitin biyografik taslakları.
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
Bu yabancı mücahitler Körfez'deki, Doğu Akdeniz'deki ve Kuzey Afrika'daki
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
ailelerini bırakıp Irak'ta El Kaide'ye katılmışlardı.
08:57
These records were human resource forms.
194
521103
1616
Bu kayıtlar insan kaynağı formlarıydı.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
Organizasyona katıldıklarında bizzat mücahitler tarafından doldurulmuşlardı.
09:01
It turns out that al Qaeda, too,
196
525574
1211
Görüldü ki El Kaide de
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
bürokrasi kullanmıyor değildi. (gülüşler)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
Cevap verdikleri sorular şöyleydi: "Sizi kim üye yaptı?"
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
"Memleketiniz neresi", "Ne iş yapmak istiyorsunuz?"
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
Bu son soruyla şaşırtıcı bir içgörü ortaya çıktı.
09:13
The vast majority of foreign fighters
201
537503
2400
Bu yabancı mücahitlerin büyük çoğunluğu
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
şehitlik mertebesine ulaşmak için intihar bombacısı olmak istiyordu
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
Bu çok önemliydi çünkü 2003 ve 2007 yılları arasında Irak'ta
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
istikrarsızlığın temel sebebi olan 1382 intihar bombası gerçekleşmişti.
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
Bu verileri analiz etmek zordu. Orjinalleri bilgisayara taranıp
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
tercüme edilmesi gereken Arapça kağıtlar üzerindeydi.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
Süreçteki sürtüşme, insanları, PDF dosyalarını ve sebatı
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
kullanan bir operasyonel zaman diliminde anlamlı
09:37
and tenacity alone.
209
561227
2218
sonuçlar yaratmadı.
09:39
The researchers had to lever up their human minds
210
563445
1953
Araştırmacıların kendi insan zihinlerini teknoloji ile
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
yükseltmeleri gerekti ki daha derine dalabilsinler, belirsiz
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
hipotezleri keşfedebilsinler ve böylece gerçekler su yüzüne çıktı.
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
Yabancı mücahitlerin %20'si Libya'dan, bunların
09:49
50 percent of those from a single town in Libya,
214
573605
2968
%50'si de Libya'nın tek bir kasabasından
09:52
hugely important since prior statistics put that figure at
215
576573
2450
Bu çok önemli çünkü önceki istatistikler bu değerin %3
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
olduğunu söylüyordu. Yine El Kaide'de yükselen bir öneme sahip
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
Libya İslami savaş örgütünden üst düzey bir vaiz olan
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
Abu Yahya al-Libi'ye odaklanmak için yardımcı oldu.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
Al-Libi, 2007'de akabinde Libya mücahitlerine katılmak için
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
bir galeyan yaratan bir vaaz vermişti.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
Belki en zekicesi olarak her ne kadar en az görüneni olsa da,
10:12
by flipping the data on its head, the researchers were
222
596250
2073
verileri kafalarında ters yüz etmek suretiyle
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
araştırmacılar, Suriye'deki yabancı mücahitlerin
10:17
that were ultimately responsible for receiving and
224
601223
2517
kabulü ve ulaşımından nihai sorumlu
10:19
transporting the foreign fighters to the border.
225
603740
2464
koordinasyon ağlarını keşfedebildi.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
Bunlar, ideolojistlerden ziyade para için bu koordinasyon
10:24
who were in the coordination business for profit.
227
608837
2398
işine girmiş paralı askerlerdi.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
Mesela, Suudi mücahitlere, Libyalılar'a oranla oldukça
10:29
substantially more than Libyans, money that would have
229
613139
2199
fazla fatura kesiyorlardı. Bu para aksi takdirde
10:31
otherwise gone to al Qaeda.
230
615338
2320
El Kaide'ye gidecekti.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
Eğer karşı taraf muhtemel cihadcıları dolandırdıklarını
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
bilselerdi belki de kendi ağlarını kendileri bozucaktı
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
Ocak 2010'da Haiti 7 büyüklüğünde yıkıcı bir deprem tarafından vuruldu.
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
tüm zamanların üçüncü en ölümcül depremi 1 milyon insanı,
10:45
10 percent of the population, homeless.
235
629399
2584
nüfusun %10'unu evsiz bıraktı.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
Bölgeye gıda ve su teslimatı başladığında, bütün yara
10:51
became increasingly important as the delivery of food
237
635120
2176
sarma çabaları içinde küçük görünen bir kısmı artan bir
10:53
and water started rolling.
238
637296
2160
şekilde önemli hale geldi.
10:55
January and February are the dry months in Haiti,
239
639456
1458
Haiti'de Ocak ve Şubat ayları yağışsız geçiyor yine
10:56
yet many of the camps had developed standing water.
240
640914
2942
kampların çoğu su biriktirebildi.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
Haiti'nin taşkın yatakları ile ilgili detalı bilgiye
11:01
floodplains had been leveled
242
645978
1297
sahip tek kurum, yöneticileri de içindeyken
11:03
in the earthquake, leadership inside.
243
647275
3008
deprem sırasında yıkıldı.
11:06
So the question is, which camps are at risk,
244
650283
2575
Şu sorular doğdu, hangi kamplar riskte,
11:08
how many people are in these camps, what's the
245
652858
1921
bu kamplarda kaç kişi var, sellerin zaman
11:10
timeline for flooding, and given very limited resources
246
654779
2311
çizelgesi nedir ve çok az kaynak ve alt yapı ile yeniden
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
yerleştirmeyi nasıl önceliklendiririz?
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
Veriler birbirinden tamamen farklıydı. A.B.D ordusunun
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
ülkenin sadece küçük bir kısmı için detaylı bilgisi vardı.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
2006 çevresel risk konferansından kalma çevrimiçi veriler vardı
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
ancak diğer coğrafik veriler ise birleştirilmemişti.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
Burda insanın amacı ihtiyaçları önceliklendirmek suretiyle yeniden
11:29
based on priority need.
253
673880
2395
yerleşmek için kamplar belirlemekti.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
Bilgisayarın muazzam büyüklükte bir coğrafik bilgiyi
11:34
information, social media data and relief organization
255
678715
2584
sosyal medya verisini ve yardım organizasyonu bilgisini birleştirmesi lazımdı ki
11:37
information to answer this question.
256
681299
3480
bu soruyu cevaplayabilsin.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
Daha üstün bir işlem yürürlüğe sokularak, 3 ayda 40
11:43
a task for 40 people over three months became
258
687194
2608
kişinin çalışmasını gerektirecek bir iş, 40 saatte 3
11:45
a simple job for three people in 40 hours,
259
689802
3176
kişinin yapabileceği basit bir işe dönüştü,
11:48
all victories for human-computer symbiosis.
260
692978
2628
burada zafer insan-bilgisayar ortak-yaşamının.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
Licklider'ın gelecek vizyonunun 50 yıldan fazla ötesindeyiz
11:53
for the future, and the data suggests that we should be
262
697660
2242
ve veriler söylüyor ki bu yüzyılın en zor problemlerini insan
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
ve makine işbirliği ile çözmek için çok
11:58
man and machine in cooperation together.
264
702932
2947
heyecanlı olmalıyız.
12:01
Thank you. (Applause)
265
705879
2197
Teşekkürler. (Alkış)
12:03
(Applause)
266
708076
2505
(Alkış)
ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence AgentAn advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets.
Why you should listen
Shyam Sankar is a Director at Palantir Technologies, a secretive Silicon Valley company where he oversees deployments of the company's core technology, which helps law enforcement teams and corporations analyze giant, unrelated databases for clues to potential ... anything. Palantir technologies has been used to find missing children, to detect banking fraud, and to uncover the Shadow Network, a cyber-spy ring that stooped so low as to hack the Dalai Lama's email.
As part of his work, Sankar thinks deeply about the place where human and machine intelligence meet. While artificial intelligence (AI) is the dominant paradigm, he is an advocate of JCR Licklider's "intelligence augmentation" (IA) approach, where algorithms and brains work together to solve problems.
Shyam Sankar | Speaker | TED.com